基于抗差最小均方估计的输电线路参数辨识

输电线路数学模型广泛运用于电力系统分析计算中,其参数的准确性与电网的安全稳定运行密切相关,广域测量系统的发展为获取输电线路参数提供了新的手段。针对目前参数辨识算法缺乏测量误差对辨识结果影响的研究,提出基于抗差最小均方估计(robust least mean squares,RLMS)的输电线路参数辨识算法,该算法以抗差函数代替传统最小均方估计算法中的均方误差,并通过自适应阈值法调节阈值,进而使得辨识算法在抗噪声方面具有较强的适应能力;对不同时刻的计算结果,提出了基于核密度估计和点估计法提取结果的统计特征,最后通过仿真分析与实测数据对比验证了所述算法的有效性。

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。

基于最小均方误差估计和稀疏性先验的图像去噪

提出一种基于稀疏表达理论和最小均方误差估计的图像去噪算法,主要内容包括:在贝叶斯复原框架下,根据图像在冗余字典下的稀疏表达模型,建立原始图像表达系数的最小均方误差复原方程;利用随机正交匹配追踪算法,研究复原方程的数值求解算法,对图像表达系数进行近似求解,进而对原始图像进行恢复.对一组标准测试图像的仿真实验表明,提出的算法能够较好地去除图像中的噪声,并且复原图像具有较好的主观视觉质量和较高的峰值信噪比客观评价指标.

基于最小均方误差估计的RFID室内定位算法

近年来基于射频识别(RFID)的室内定位技术得到了大量的关注及广泛的应用。由于无法利用目标标签的先验信息,现有的基于极大似然估计的室内定位算法性能存在进一步提高的可能。文中提出使用标签位置分布统计特性作为先验信息来提高定位精度,将基于到达时间(TOA)的二步加权最小二乘法从极大似然估计扩展到最小均方误差估计,并推导了基于最小均方误差估计的TOA定位方法的克拉美罗下界(CRLB)和理论方差。理论分析和仿真结果都表明该算法优于极大似然估计定位算法。

基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

针对低信噪比(SNR)环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测(VAD)算法和最小均方误差对数谱幅度估计(MMSE-LSA)的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10~15 dB,且不存在信号过减的情况,可应用于实际工程。

改进的最小均方误差语音增强算法的研究

针对传统最小均方误差谱幅度估计(MMSE-STSA,minimum mean-square error-short time spectral am-plitude)语音增强算法无法有效的跟踪非平稳噪声变化的问题,对一种改进的MMSE-STSA语音增强算法进行了研究和仿真。该算法对背景噪声的估计利用加权噪声估计方法:采用一个非线性函数根据带噪语音信噪比(SNR,signal-to-noise ratio)的变化计算得到相应的加权因子并作用于带噪语音信号,对加权的带噪语音求平均得到估计的背景噪声。算法中的谱增益修正,还可以抑制低信噪比时的残留噪声以及避免对带噪语音的过抵消。实验结果表明,该方法能很好的跟踪非平稳噪声的变化,不仅在增强性能上有很好的效果,同时降低了语音的失真。

OFDM水声通信线性最小均方误差算法信道均衡

正交频分复用在高速水声通信中的应用越来越广泛。水声信道是多径、高噪声的衰落信道。由于信道条件差,容易产生码间干扰,信道均衡技术是提高通信系统性能的重要技术。提出了线性最小均方估计在水声通信系统中应用的方案,研究了实际通信中利用调频信号如何确定信号的平均多径时延、最大多径时延,比较了不同调频信号测量信道的性能。该方案基于导频辅助均衡方法,利用调频信号测量信道,获得的信道统计信息,计算信道的自相关矩阵。从而根据线性最小均方误差算法进行信道均衡。通过仿真和湖试进行验证,结果表明该方案效果较好,对系统性能改善比较明显。

一种基于估计理论的ISAR超分辨成像方法

针对逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像中给定合成孔径长度下方位向匹配滤波脉冲压缩输出的主瓣分辨率随雷达至等效阵列距离变化这一难题,基于线性系统理论,通过目标方位向回波信号的等效建模,提出了一种基于最小均方估计理论的超分辨成像方法。不同于传统基于谱估计的超分辨成像方法,该方法利用对目标系统方位向冲击响应的估计信号进行成像,因而能够完全消除雷达至等效阵列的距离对方位向分辨率的影响。仿真实验证实了该方法的有效性。

信号估计中的贝叶斯方法及应用

贝叶斯估计理论在图像处理领域有广泛的应用.结合图像去噪问题,讨论了贝叶斯最大后验概率估计技术,并推导了信号的最小均方误差估计;在此基础上,提出了一种利用后验均值准则推导维纳滤波表达式的方法.

一种简化的OFDM信道估计方法

OFDM(正交频分复用)技术是无线通信领域的重要技术,研究信道估计精度对系统性能有着直接的影响。提出了基于导频插入的LS(最小二乘法估计)、MMSE(最小均方误差估计)和SVD(奇异值分解)信道估计方法。并针对MMSE算法有很好的性能但复杂度大,LS算法复杂度低但性能受到限制,提出了一种改进方法。采用广义平稳非相关散射下的多径时变瑞利信道模型,对各个算法进行了仿真试验,得出不同算法的信道估计中误比特曲线,比较了各个算法的性能。仿真结果表明:改进的算法有好的性能和低的复杂度。

MIMO-OFDM系统的信道估计方法

在第三代移动通信组织给出的空间无线信道模型(3GPP-SCM)下,基于多输入多输出天线频分复用系统(MIMO-OFDM),设计了基于最小均方误差准则的信道估计器。由于最小均方误差信道估计器是在最大似然信道估计器的基础上基于统计信息的去噪处理,在3GPP-SCM中利用蒙特卡罗方法对不同种典型信道环境做自相关系数统计,得到信道的先验统计信息,进而设计并实现了基于MIMO-OFDM系统的最小均方误差信道估计器。通过仿真,验证了最小均方误差信道估计器相对于最大似然信道估计的准确性,并在误码率方面,带来更好的系统性能。

Massive MIMO中一种低复杂度信道估计方法

大规模MIMO系统中基于导频的信道估计采用最小均方误差算法进行信道估计时存在协方差矩阵求逆的运算而导致高的复杂度。通过采用稳定双共轭梯度算法将协方差矩阵求逆过程转化为求线性方程问题,从而将信道估计的计算复杂度从O(M3)降低到O(M2)。仿真结果表明,在略增加复杂度的情况下,相比基于共轭梯度算法的低复杂度信道估计算法,基于稳定双共轭梯度的信道估计算法性能更加逼近最小均方误差估计算法。

基于导频的OFDM信道估计方法研究

提出了一种改进的信道估计算法。采用基于SVD的LMMSE算法对导频符号的信道系数进行估计,比较了改进后的算法与原有算法。仿真结果证明,无论对于快衰落信道,还是慢衰落信道,改进后算法都具有更好的性能,更适合于无线OFDM系统。

基于导频的OFDM信道估计方法及分析

对OFDM系统中基于导频的信道估值器进行了比较分析,分析了DVB-T系统中导频的分布,在DVB-T系统基础上结合最大似然准则和最小均方误差准则,提出了信道估计的方法,并在Reyleigh信道模型下,运用Matlab实现仿真。

基于信道估计的Turbo均衡算法在数据链中应用

短波战术数据链在现代战争中发挥着重要作用。针对短波时变多径信道特性,提出了一种基于信道估计的Turbo均衡算法。该算法在初次迭代时根据训练序列的自相关特性,采用快速相关信道估计算法估计信道初始状态,并进行基于线性最小均方误差(MMSE)的Turbo均衡;然后利用译码器反馈的软信息,采用最小均方(LMS)迭代信道估计算法优化信道估计值,并进行迭代均衡。仿真结果表明,该算法的误码率性能逼近于假定信道状态已知的Turbo均衡算法,对Turbo均衡在数据链中实际应用具有借鉴意义。

基于导频的PSWFs通信系统信道估计方法研究

针对基于椭圆球面波函数(Prolate Spheroidal Wave Functions,PSWFs)的非正弦通信系统在双选择信道下,系统误码性能较低的不足,基于PSWFs多频率分量的特点,提出了基于导频的PSWFs通信系统信道估计方法。首先,结合相同参数PSWFs信号占用相同时宽、带宽的特点,分析了双选择信道对PSWFs调制信号的影响,并给出了基于一点导频图和梳状导频图的2种PSWFs信号导频设计方案。进而,给出了基于PSWFs的最小二乘估计(Least Square Estimation,LS)、最小均方误差估计(Minimum Mean Square Error Estimation,MMSE)2种信道估计算法;最后,对比分析了2种导频设计方案的系统误码性能。理论与数值分析表明,在双选择信道下,基于导频的PSWFs信道估计方法,能够有效提升系统的误码性能,其中,梳状导频图能够更为有效地跟踪信道特性的变化,误码性能最好;一点导频图所需导频符号最少,信噪比损失最小。通过以上研究分析,为PSWFs在移动通信中的应用提供理论参考和依据。

MIMO-OFDM基于导频的信道估计方法

随着数字信号处理和集成电路技术的快速发展,多输入多输出正交频分复用技术(MIMO-OFDM)成为现代通信的研究热点,本文介绍了基于导频的MIMO-OFDM系统的基本信道估计方法,提出了新的插入导频的信道估计方法,并通过Labview仿真软件对不同情况下的信道估计进行仿真。

大规模MIMO系统的分布式MMSE信道估计研究

在大规模多输入多输出系统中,传统的上行链路最小均方误差(MMSE)信道估计(CE)算法依赖于集中式基带处理(CBP)架构,在该架构中,所有天线接收的导频信号被汇聚到一个中央处理单元进行CE算法。但随着天线数量的增加,CBP架构面临着两大瓶颈:计算复杂度高和通信成本高。为了克服这些挑战,分布式基带处理(DBP)被提出,其思想是将基站天线划分为多个天线簇,每簇天线连接一个本地计算单元。然而,针对DBP架构下的分布式CE方案的研究相对较少。本文提出了一种用于DBP架构的基于MMSE的分布式CE算法。该算法利用角度域和时延域的信道稀疏性,性能显著优于完全分布式方案,并且降低了簇间通信开销和簇间计算成本。最后,大量实验结果验证了所提算法的有效性。

基于最小均方误差估计的噪声相关UKF设计

传统Unscented卡尔曼滤波器(UKF)要求系统噪声和量测噪声必须是互不相关的.针对此局限性,研究了一类带相关噪声的非线性离散系统UKF设计方法.基于最小均方误差估计和正交变换,给出了噪声相关UKF滤波递推公式,并采用Unscented变换(UT)来计算系统状态的后验分布.所设计的UKF有效解决了传统UKF在噪声相关条件下非线性滤波失效的问题,拓展了UKF的应用范围.最后,仿真实例表明了所设计UKF的有效性.